數十億美元的秘密：Manus與它的8個“非共識”判斷

今天，Manus 正式宣布加入 Meta。

據《晚點 LatePost》報道，這筆收購的金額高達數十億美元，是 Meta 成立以來僅次于 WhatsApp 和 Scale AI 的第三大收購。

這是一場典型的“閃電戰”。在 Meta 出手前，Manus 正以 20 億美元的估值尋求新一輪融資，而 Meta 僅用了十余天就敲定了這筆巨額交易。交易完成后，Manus 創始人肖弘將出任 Meta 副總裁，其核心技術團隊將整體并入 Meta AI 部門。

Meta 如此急迫地將這支團隊收入囊中，看中的不僅是代碼，更是他們對 AI 獨特的思考方式。

回顧過去一年，Manus 團隊像一群站在新大陸邊緣的探險家，分享了許多充滿洞見的聲音，從產品哲學到競爭策略。

在這里，我們整理了8個最有價值、甚至有些“反常識”的觀點。

為什么是 Manus？這數十億美元的答案，其實早已寫在他們過往的每一次表達里。

從瀏覽器到Manus

Manus 的誕生，其實源于一次昂貴的“試錯”。

在此之前，團隊曾開發了一款 AI 瀏覽器，產品形態酷似后來的 Arc Dia 和 Perplexity Comet，成熟度極高，甚至已經到了上線前一周。

在很多人看來，風口上的AI瀏覽器是一個更好的選擇。但就發布的最后關頭，這個項目被叫停了。

原因源于團隊觀察到的一個神奇現象：AI特別擅長操縱瀏覽器，甚至擅長到開始和人“打架”。

這就完全顛覆了AI瀏覽器的邏輯。這種感覺就像你的實習生不帶電腦來上班，非要搶你的電腦干活。

于是第一條結論出現了：AI很擅長用電腦，但它不該用你的電腦，它應該用它自己的電腦。

這直接決定了 Manus 后來的樣子：不僅僅是個聊天框，而是在云端給 AI 甚至配了個虛擬機。Agent 必須在云端有一個獨立的運行環境，不干擾用戶。

第二個關鍵刺激來自Cursor。

去年6月Cursor出現后，Manus合伙人張濤發現，不會寫代碼的同事、甚至家人開始用Cursor解決生活問題，比如他的妻子會用Cursor把一個視頻文件從MP4轉成MP3。

這讓他們意識到一件事情：AI coding的收益第一次落到了非工程師的頭上。

很多人看到Cursor就想做“更強的工程師工具”。他們的判斷相反：世界已經有太多服務工程師的fancy（花哨）工具了，工程師并不需要另一個更fancy的工具。真正的大機會是把AI coding民主化，把編程這種調用世界的方式，交給每一個普通人。

于是第二條結論出現了：AI coding的潛能要被民主化，讓非coder也能享受紅利。

把這兩條經驗合起來，才最終勾勒出了Manus最初的形態：

AI要有自己的電腦（云端環境、虛擬機、可操控工具鏈），普通人也能用AI去寫代碼并完成更多復雜的任務。

做 Hao123 ，還是做百度

Manus 團隊在立項之初就做了一個極其關鍵、在當時看來甚至有點反直覺的決定：堅持做“通用”Agent。

肖弘用了一個非常精妙的類比：

垂直 Agent 就像 Hao123： 是開發者預設好的一個個坑位。你把功能像鏈接一樣堆上去，用戶只能在圈好的地里打轉。這種模式看似精準，其實很快就到了進化的天花板。

通用 Agent 就像百度： 先做一個能理解一切的“框”。讓用戶隨便輸，當發現幾百萬人都在搜“怎么訂票”時，再反向優化出一個“訂票卡片”。

這個認知在當時還是非常具有前瞻性的。當時，行業里充滿了“垂直 Agent”的聲音（比如旅行規劃 Agent），但 Manus 團隊篤定：Agent 必須先通用，才能真正存活。否則，垂直場景高昂的獲客成本會壓垮整個商業模型。

這個認知的種子，其實是在做 Monica 時埋下的。

有一次，肖弘跟有贊創始人白鴉交流，他說想把 Monica 的功能集成做到極致。白鴉回了一句非常有啟發性的話：“Red，極致是不夠的，個性化才夠。做到極致你就是 Hao123，做到個性化你才是 Google。”

后來，Manus團隊花了很多時間研究來研究這句話，并最終應用到了Manus上。

模型能力在進化，“殼”也需要進化

在今年3月的一個采訪里，肖弘提出了一個深刻的行業觀察：模型在進化，承載它的“殼”也必須進化。

在他看來，每一代模型能力的躍升，都需要一個新的產品形態來釋放其價值。

• 最早的是Jasper ，交互是填空；

• ChatGPT 是對話框；

• Monica 是自帶 Context 的側邊欄；

• Cursor 是能直接改寫代碼的 Editor；

• Manus 是擁有獨立云端環境的 Agent；

這就是 AI 時代的“安迪-比爾定律”：硬件（模型）給出的紅利，會被軟件（產品形態）吃掉。 而 Manus，就是那個試圖吃掉新一代模型紅利的“殼”。

在“殼”設計里，產品的交互界面，被認為是決定用戶接受度的關鍵。

在討論 UI 時，團隊對 Devin 的界面進行了批判性思考。Devin 把 Planner、Shell、Browser 一股腦堆在屏幕上，對非技術用戶來說是巨大的認知負擔。

Manus 提出了“漸進式披露”和“操作系統隱喻”的理念：

漸進式披露：默認界面應該極其簡潔，就像 Google 的搜索框。隨著任務展開，需要的工具（Shell, Browser）才像“浮出水面”一樣出現。

操作系統隱喻:將不同的核心功能（如瀏覽器、表格、文檔編輯器）設計成獨立、平等的「一級應用」，而不是混亂地嵌套。用戶可以在這些「應用」之間切換，就像在 Windows 或 macOS 中一樣。這為未來的功能擴展提供了清晰、可伸縮的框架。

/ 04 /

信任的哲學：Less Structure, More Intelligence

在 Workflow 盛行的3月份，Manus 選擇了另一條路：Zero Predefined Workflow（零預設工作流）。

產品經理很容易靜態地去看現在的技術進展，只想說“我要去解決用戶問題”。但在Manus 團隊則更愿意用更發展的眼光去看問題，比如這個問題「下一代模型可能就搞定了」。

當你把智能真正交還給模型，魔法才會發生。AI處理長尾任務的能力，往往比人類精心設計的流程還要好。這是一個關于信任的哲學：與其試圖控制 AI 的每一步，不如相信 Intelligence 本身的力量。

/ 05 /

Agent 的競爭，是系統的競爭

所有Agent 公司都面臨一個終極拷問：OpenAI下場，你怎么辦？

Manus 團隊認為，模型公司下場并非穩操勝券。

直接原因是，模型公司只能用自己的模型，既是優勢也是桎梏。

Manus可以在任務的每一步調用最適合的模型：搜索用 Gemini，推理用 GPT-5，寫代碼用 Claude。這種靈活性是 ChatGPT 的產品經理無法擁有的。

更深層次的原因是，他們認為，Agent 的競爭本質上是系統級的競爭。

Agent與AGI最大的不同是，它除了用戶和模型，還引入了第三個關鍵元素——環境。

這個「環境」的概念會因智能體類型不同而變化，比如在設計型Agent里，環境可能是一個畫布或一段代碼；而在Manus這里，目標是讓Agent出現在虛擬機甚至整個互聯網中。

這意味著，Agent比拼的不只是模型能力，而是如何構建外圍的環境、如何準備工具體系。

他們認為，這里面有太多工程工作可以做了。

舉個例子，當前市面上 Agent 產品（如 Devin）最大的短板在于其「一次性」的會話機制。每次任務都是一個全新的、無菌的環境，這導致了大量重復工作和糟糕的用戶體驗。

在Manus 團隊看來，實現登錄狀態持久化，就成了實現真正「代理」的基石。Agent 必須能夠保持在各種網站上的登錄狀態，避免每次都需要用戶手動介入。

這樣一來，用戶只需登錄一次，Agent 就能長期代表用戶進行操作。

/ 06 /

看見，比第一名更重要

Manus成功，在于在正確的時間交付了一個正確的產品。

Manus 在早期吃到了自然流量的紅利，但也清醒地意識到其中的陷阱。

自然流量吸引的是“創新者”和“早期采用者”，他們寬容、好奇、熱衷嘗鮮。但要跨越鴻溝進入大眾市場，規則完全不同。大眾不關心你是不是“第一個通用智能體”，他們只關心：你能為我做什么？

那你就要思考，在什么媒體和渠道，用什么方式把最有效的信息傳遞給他們？做營銷的關鍵是信息傳遞效率，而不是簡單地花錢。

/ 07 /

產品體驗，親力親為

在Manus 團隊采訪里，提到很關鍵的一點是，核心團隊永遠親自抓住產品最核心的體驗部分。

最初決定做這件事情來自于核心成員之間的共識，但在產品沒有做出來前，這種共識只存在于我們幾個人的腦海里。如果讓更多人來執行，沒有足夠的上下文和直覺，就很容易走偏。

所以從寫Manus第一行代碼開始到開發前四十天，這個項目一共只有五個人。

這樣做的好處就是高度對齊、溝通極其高效。無論是每個prompt怎么寫，虛擬機的整體技術框架怎么設計，產品交互細節怎么打磨，都只在這五個人的范圍里，非常順暢。

/ 08 /

用博弈論思考，而非簡單的邏輯推理

對于 AI 創業者，肖弘給出了一個終極建議：用博弈的方式思考，而不是邏輯推理。

邏輯推理是線性的：Google 技術最強，所以 Google一定會贏。

博弈思考是動態的：因為 OpenAI 的存在，Google 的策略被迫改變了；因為你的出現，巨頭的決策邏輯也會發生變化。

創業不是在真空中解題，而是在一個多方博弈的生態系統中尋找生態位。

就像如果當年有一個強大的第三方做出了 ChatGPT，OpenAI 也許就會選擇成為一家純粹的 Platform Company。

Founder 必須具備這種上帝視角：看見變量，預判博弈，然后果斷落子。

文/朗朗、林白

PS：如果你對AI大模型領域有獨特的看法，歡迎掃碼加入我們的大模型交流群。